基于CiteSpace的我國車輛路徑問題研究進(jìn)展及熱點前沿分析

陳樹廣，殷莉秀

（西安財經(jīng)大學(xué) 管理學(xué)院，陜西 西安 710100）

0 引言

近年來，隨著物流行業(yè)的不斷發(fā)展和國家對交通運輸領(lǐng)域的重視，車輛路徑問題研究逐漸引起了學(xué)術(shù)界的廣泛關(guān)注。車輛路徑問題是指在滿足一定約束條件下，找到一組車輛的最優(yōu)行駛路徑，使得所有配送點能夠被覆蓋，并滿足車輛數(shù)量、容量和行駛距離等限制條件，從而實現(xiàn)車輛配送的高效性、經(jīng)濟(jì)性和可靠性。

在這一領(lǐng)域中，研究者們通過運用各種方法探索如何優(yōu)化車輛路徑問題，提高車輛運行效率，降低車輛運行成本，提高車輛利用率和客戶滿意度等，取得了一系列顯著成果。楊劼，等[1]主要探討了在物流配送過程中，客戶需求的變動對干擾管理的影響，采用了改進(jìn)的遺傳算法來優(yōu)化配送路徑，通過實驗驗證了該算法的有效性。韓榮騰[2]主要研究了蟻群算法在農(nóng)村生鮮配送車輛路徑優(yōu)化中的應(yīng)用，通過對比不同算法的實驗結(jié)果，證明了蟻群算法的優(yōu)越性。陳高華，等[3]提出了一種改進(jìn)的蟻群算法對車輛路徑進(jìn)行優(yōu)化，并驗證了該算法在解決多目標(biāo)優(yōu)化問題時的有效性。吳福亮，等[4]在考慮能耗因素的前提下，采用了遺傳算法對電動汽車配送路徑進(jìn)行優(yōu)化。劉志碩，等[5]在考慮硬時間窗因素的前提下，基于遺傳算法對冷鏈配送路徑進(jìn)行優(yōu)化。Pasha，等[6]研究車輛路徑問題時提出了一種混合整數(shù)線性規(guī)劃模型，采用進(jìn)化算法、變鄰域搜索算法、禁忌搜索算法和模擬退火算法對模型進(jìn)行大規(guī)模問題實例求解，并驗證了所提方法的有效性。王建新，等[7]提出了一種基于區(qū)域-負(fù)載均衡策略，對兩級配送路徑進(jìn)行優(yōu)化。劉長石，等[8]提出了一種混合遺傳算法解決城市物流配送中的混合車輛路徑規(guī)劃問題。劉艷秋，等[9]提出了一種基于混合人工魚群算法的路徑優(yōu)化方法，解決應(yīng)急物流配送中的路徑優(yōu)化問題。高浩然，等[10]考慮時效性和品質(zhì)性滿意度約束，基于改進(jìn)遺傳算法對易腐品冷鏈物流配送路徑進(jìn)行優(yōu)化。

CiteSpace作為一款基于文獻(xiàn)計量分析的軟件，可以幫助研究人員了解某一領(lǐng)域的研究熱點和前沿方向。本文將利用CiteSpace軟件對我國車輛路徑問題研究的進(jìn)展及熱點前沿進(jìn)行分析，旨在為相關(guān)研究者提供參考，并為未來研究方向的確定提供一定的指導(dǎo)。

1 數(shù)據(jù)來源與方法

1.1 數(shù)據(jù)來源

通過中國知網(wǎng)（CNKI）檢索“車輛路徑問題研究”，根據(jù)多數(shù)關(guān)鍵文獻(xiàn)聚焦于核心期刊的文獻(xiàn)分散定律，在總庫共3 172篇、時間設(shè)置為2003-2023年（截至2023年3月底）的學(xué)術(shù)文獻(xiàn)中，篩選出了1 795篇學(xué)術(shù)期刊論文。進(jìn)一步重點關(guān)注北大核心、CSSCI、CSCD三類核心期刊，最終獲得有效數(shù)據(jù)712篇。

1.2 研究方法

本研究采用基于CiteSpace的方法，結(jié)合定性和定量兩個維度，對我國車輛路徑問題的研究進(jìn)展及熱點前沿進(jìn)行了分析。通過構(gòu)建關(guān)鍵詞共現(xiàn)圖、熱點聚類圖、時區(qū)圖、研究作者和機構(gòu)合作網(wǎng)絡(luò)圖等，描繪了該研究領(lǐng)域的演進(jìn)趨勢，并提出了可供參考的建議。

2 文獻(xiàn)特征分析

2.1 年發(fā)文量趨勢

研究領(lǐng)域的發(fā)文數(shù)量是衡量該領(lǐng)域在特定時間段內(nèi)研究活躍度的重要指標(biāo)。本文篩選出的712篇有效期刊文獻(xiàn)的年度分布圖能夠直觀地反映該領(lǐng)域在該時間段內(nèi)的研究發(fā)展趨勢。

如圖1所示，2003-2023年期間車輛路徑問題相關(guān)文獻(xiàn)發(fā)刊量總體呈現(xiàn)波動上升的趨勢。2002-2007年車輛路徑問題研究處于直線增長趨勢；2008-2020年呈現(xiàn)回落起伏的規(guī)律，其中2018年發(fā)刊量達(dá)到最高，為46篇；2021-2022年核心期刊發(fā)文量處于高水平時期，達(dá)到47篇；2023年回落與本文統(tǒng)計時長有關(guān)（論文截至2023年3月底）?？傮w而言，車輛路徑問題研究相對完備，但仍然有許多新的細(xì)分領(lǐng)域需進(jìn)一步探索。

2.2 核心作者分布

對車輛路徑問題研究的發(fā)文作者的統(tǒng)計分析形成了車輛路徑問題研究作者圖譜，如圖2所示。圖2包含325個節(jié)點和306條連線，網(wǎng)絡(luò)密度為0.005 8。節(jié)點的字體大小反映了該作者的發(fā)文量多少，而節(jié)點間連線的粗細(xì)則表示學(xué)者間聯(lián)系的緊密程度。

圖2 車輛路徑問題研究作者共現(xiàn)知識圖譜

對主要發(fā)文作者進(jìn)行關(guān)聯(lián)分析發(fā)現(xiàn)，節(jié)點數(shù)量較多，但節(jié)點間的連接數(shù)量較少，表明從事車輛路徑問題研究的學(xué)者可能更偏向于獨立研究，彼此之間的合作關(guān)系較為松散。連線情況表明相關(guān)作者部分之間有交流，但更多的是相互之間不交流，研究團(tuán)體的規(guī)模都比較小。實際上，車輛路徑問題研究范圍特別廣，因此在未來的研究中可以增加跨團(tuán)隊合作交流。

進(jìn)一步分析高被引排名前十一的學(xué)者，見表1，其中符卓以被引次數(shù)19次位居第一，葛顯龍以被引次數(shù)15次排名第二，范厚明以被引次數(shù)11次排名第三?？偟膩碚f，前三名的學(xué)者有一定的影響，但影響力巨大的學(xué)者還未出現(xiàn)，學(xué)者之間的合作交流也有待進(jìn)一步加強。

表1 高被引學(xué)者排名

2.3 研究機構(gòu)分析

發(fā)文機構(gòu)網(wǎng)絡(luò)圖譜可以展示我國車輛路徑問題的不同研究機構(gòu)的發(fā)文情況及其合作關(guān)系。

使用CiteSpace軟件，選擇時間切片為3年，節(jié)點類型為機構(gòu)，并使用默認(rèn)設(shè)置對2003年至2023年間的712條有效數(shù)據(jù)進(jìn)行可視化分析，為了突出重點研究機構(gòu)，設(shè)置了閾值為4，并且只顯示了發(fā)文量較大的部分研究機構(gòu)，以便更清晰地呈現(xiàn)圖像。得出車輛路徑問題研究機構(gòu)網(wǎng)絡(luò)圖譜，如圖3所示。圖3中共有252個節(jié)點和130條連線，密度僅為0.004 1，表明機構(gòu)之間的合作比較分散。通過觀察各研究機構(gòu)的名稱，可以發(fā)現(xiàn)大部分機構(gòu)為高校的各學(xué)院，說明高校在車輛路徑問題研究中發(fā)揮了重要作用。

圖3 車輛路徑問題研究機構(gòu)共現(xiàn)知識圖譜

在對高被引排名前七的研究機構(gòu)（見表2）進(jìn)行進(jìn)一步分析時發(fā)現(xiàn)上海理工大學(xué)管理學(xué)院以被引次數(shù)27次排名第一；中南大學(xué)交通運輸工程學(xué)院以被引次數(shù)25次排名第二；華中科技大學(xué)管理學(xué)院以被引次數(shù)20次排名第三。

表2 高被引研究機構(gòu)排名

根據(jù)文獻(xiàn)作者圖譜和文獻(xiàn)機構(gòu)圖譜的分析結(jié)果，可以發(fā)現(xiàn)文獻(xiàn)合著的作者在總體作者中所占比例較少。此外，雖然機構(gòu)點眾多，但是它們之間的連線數(shù)量比較少，這表明文獻(xiàn)研究機構(gòu)之間的合作關(guān)系并不密切。研究機構(gòu)主要以同一區(qū)域或同一機構(gòu)為主，跨區(qū)域或跨學(xué)科之間的合作相對較少。這說明我國尚未形成緊密的車輛路徑問題研究核心團(tuán)隊，同時也反映出我國車輛路徑問題研究機構(gòu)之間的合作關(guān)系有待加強。

3 關(guān)鍵詞分析

3.1 共現(xiàn)分析

通過對核心期刊文獻(xiàn)關(guān)鍵詞的分析，CiteSpace軟件可以凝練出車輛路徑問題的主要研究領(lǐng)域和內(nèi)容，進(jìn)一步反映出該領(lǐng)域的研究動態(tài)。在此基礎(chǔ)上，可以整理出前16個車輛路徑問題研究高頻關(guān)鍵詞的詞頻和中心度。見表3。

表3 高被引車輛路徑問題研究高頻關(guān)鍵詞詞頻及中心度

由表3可知，在車輛路徑問題研究中，遺傳算法是學(xué)者使用的主流算法，該算法可以通過不斷的迭代和選擇，逐步優(yōu)化調(diào)度方案，以達(dá)到最優(yōu)的效果。目前，遺傳算法已經(jīng)被廣泛應(yīng)用于應(yīng)急物流研究中，以有效解決應(yīng)急物資儲備選址、車輛運輸優(yōu)化等問題，尤其是對于車型較多、物資類型復(fù)雜的分層調(diào)度問題，遺傳算法具有較好的求解效果。因此，遺傳算法在應(yīng)急物流中的應(yīng)用前景非常廣闊。

關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜是一種通過詞頻分析顯示高頻關(guān)鍵詞以及共現(xiàn)關(guān)聯(lián)的工具，它可以通過關(guān)鍵詞出現(xiàn)的頻次以及中心度來反映相應(yīng)領(lǐng)域的研究熱點。在使用CiteSpace 進(jìn)行分析時，選擇“Node types”中的“Keyword”就可以得到關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜分析圖，如圖4所示。這種分析方法可以幫助研究人員更好地了解領(lǐng)域內(nèi)的研究趨勢和熱點問題，從而有助于指導(dǎo)研究方向和決策。

圖4 車輛路徑問題研究關(guān)鍵詞共現(xiàn)知識圖譜

在圖4中，共有265個結(jié)點和435條連線，網(wǎng)絡(luò)密度為0.0124。關(guān)鍵詞的字體越大表示其頻次越高，連線越粗則表示關(guān)鍵詞之間相關(guān)性越強。由圖4可知，車輛路徑問題研究的關(guān)鍵詞主要聚焦在“遺傳算法”“時間窗”“蟻群算法”“車輛路徑”“物流配送”“優(yōu)化”“禁忌搜索”“物流”“軟時間窗”“物流工程”等。關(guān)鍵詞范圍較廣，聯(lián)系較為緊密，基本形成了系統(tǒng)的車輛路徑問題研究網(wǎng)絡(luò)，但是還有許多方向和內(nèi)容值得后續(xù)探索研究。

3.2 聚類分析

關(guān)鍵詞聚類圖譜分析可以很好地提煉出相應(yīng)的熱點主題子群，更加準(zhǔn)確地把握該領(lǐng)域的研究方向。利用CiteSpace中的聚類功能，“Node types”選擇“Reference”，算法采用LLR算法。當(dāng)聚類圖譜中的Q值和S值顯示，聚類模塊值Modularity=0.540 5>0.5，聚類平均輪廓值MeanSilhouette=0.857 7>0.7，說明聚類結(jié)構(gòu)顯著，由此得到關(guān)鍵詞聚類網(wǎng)絡(luò)圖譜，如圖5所示。

圖5 車輛路徑問題研究熱點聚類共現(xiàn)圖

在圖5中，車輛路徑問題研究分為13個聚類，順序從0到12，每個聚類是由多個緊密相關(guān)的關(guān)鍵詞組成，數(shù)字越小，聚類中包含的關(guān)鍵詞越多。圖5中共有13個色塊，色塊越大表示其聚類越緊密。由圖5可知，車輛路徑問題研究熱點主要聚焦在“車輛路徑”“時間窗”“局部搜索”“蟻群算法”“遺傳算法”“物流配送”“多車場”“免疫算法”“螞蟻算法“電動汽車”“交叉熵”“運籌學(xué)”和“三維裝載”。車輛路徑問題研究色塊區(qū)域較大，表明車輛路徑問題的衍生問題很多，基本形成了系統(tǒng)的車輛路徑問題研究網(wǎng)絡(luò)，但是還有許多方向和內(nèi)容值得后續(xù)探索研究。

表4為車輛路徑問題研究的關(guān)鍵詞聚類結(jié)果，其中頻次表示聚類中關(guān)鍵詞出現(xiàn)的次數(shù)，頻次越大表明關(guān)鍵詞出現(xiàn)的次數(shù)越多，本文中“車輛路徑”研究的頻次為21次，是聚類中出現(xiàn)最多的關(guān)鍵詞；中心性表示網(wǎng)格節(jié)點的重要程度，中心性數(shù)值越大表示聚類越緊密；聚類子簇表示與聚類名稱有密切聯(lián)系的關(guān)鍵詞。

表4 關(guān)鍵詞聚類結(jié)果

4 車輛路徑問題研究主題演化分析

4.1 時區(qū)視圖圖譜分析

時區(qū)圖可以展示研究關(guān)鍵詞隨時間的變化趨勢。圖6展示了2003-2023年車輛路徑問題研究關(guān)鍵詞時區(qū)圖譜。趨勢圖上面的數(shù)字表示年份標(biāo)識，而連線則表示關(guān)鍵詞共同出現(xiàn)在同一研究期刊文獻(xiàn)中。

圖6 2003-2023年車輛路徑問題研究關(guān)鍵詞時區(qū)圖譜

在圖6中，按照時間軸對2003-2023年車輛路徑問題研究關(guān)鍵詞時區(qū)圖譜進(jìn)行細(xì)分，圓圈越大表示變化趨勢越明顯，可知“車輛路徑”“遺傳算法”“時間窗”“蟻群算法”“免疫算法”“局部搜索”基本上是2005年前研究的熱點趨勢，之后逐漸減少?！奥窂絻?yōu)化”“交叉熵”和“動態(tài)需求”從2005-2010年開始，到2020年之前一直有學(xué)者關(guān)注，用時區(qū)視圖圖譜分析可以清楚的了解到每個關(guān)鍵詞在時間上的發(fā)展趨勢，有助于厘清關(guān)鍵詞的發(fā)展脈絡(luò)。

4.2 突變詞權(quán)重圖譜分析

突變詞是指在某一段時間內(nèi)突然出現(xiàn)的研究方向，通過其權(quán)重值可以評估該方向?qū)υ擃I(lǐng)域的影響力大小。在本次研究中，獲得了22個突變詞的相關(guān)信息，并按照突變時間的先后順序進(jìn)行了排序，如圖7所示。

圖7 2003-2023年車輛路徑問題研究的關(guān)鍵詞突現(xiàn)

圖7中的突出陰影部分表示該關(guān)鍵詞是某階段的研究熱點，“Strength”為關(guān)鍵詞突現(xiàn)強度，值越大表示關(guān)鍵詞頻次越大。根據(jù)圖7可將車輛路徑問題研究分為三個階段，以結(jié)束時間為基準(zhǔn)點劃分。

（1）早期研究階段（2003-2011年）。早期研究突現(xiàn)時間為2003-2011年，研究領(lǐng)域主要集中在“組合優(yōu)化”“免疫算法”“物流管理”“算法”“數(shù)學(xué)模型”“貨物權(quán)重”“運籌學(xué)”“時間窗口”和“蜂群算法”這些方面，初步探索車輛路徑問題研究發(fā)展面臨的主要問題。這一時期，車輛路徑問題研究體系建設(shè)尚不完備，應(yīng)用的算法不多。在此期間，研究該領(lǐng)域的學(xué)者逐漸增多，很多研究以車輛路徑問題優(yōu)化算法為基點，開始逐步拓展研究領(lǐng)域?？傊?，這個階段的研究為未來該領(lǐng)域的發(fā)展奠定了堅實的基礎(chǔ)，但是也存在研究方法不系統(tǒng)、設(shè)備先進(jìn)性有待提升等問題。

（2）中期研究階段（2012-2017年）。中期研究突現(xiàn)時間為2012-2017年，該階段主要聚焦在“物流工程”“伊藤算法”“逆向物流”“交通工程”“軟時間窗”“模擬退火”和“概率模型”這些方面的研究。在這些研究中，目前的文獻(xiàn)數(shù)量表現(xiàn)出了不穩(wěn)定的起伏，研究熱點也相對多樣且分散。與此同時，越來越多的學(xué)者開始關(guān)注研究方法，探索更全面的研究方向，并逐漸從初期單純地探究車輛路徑問題轉(zhuǎn)向關(guān)注衍生現(xiàn)實型問題。還有一些學(xué)者開始嘗試?yán)弥悄軆?yōu)化算法來解決路徑最優(yōu)化問題。

（3）近期研究階段（2018-2023年）。最新前沿研究關(guān)鍵詞突現(xiàn)時間為2018-2023年，主要涵蓋“魯棒優(yōu)化”“能耗”“取送貨”“多車型”“強化學(xué)習(xí)”和“時變路網(wǎng)”等方面。該階段是車輛路徑問題研究的全面發(fā)展階段，新興技術(shù)如區(qū)塊鏈、大數(shù)據(jù)和智慧物流等開始應(yīng)用于該領(lǐng)域，成為當(dāng)前和未來研究的主要熱點。

5 研究結(jié)論與展望

通過對中國知網(wǎng)數(shù)據(jù)庫2003-2023年的車輛路徑問題研究核心期刊文獻(xiàn)進(jìn)行可視化分析，并結(jié)合代表性文獻(xiàn)進(jìn)行梳理得出以下結(jié)論：

（1）2003-2023年車輛路徑問題相關(guān)文獻(xiàn)發(fā)刊量呈現(xiàn)波動上升趨勢?？傮w而言，車輛路徑問題研究相對完備，但學(xué)者更偏向于獨立研究，彼此之間的合作關(guān)系較為松散，團(tuán)體的規(guī)模都比較小，其中研究機構(gòu)大部分為高校的各學(xué)院，但研究機構(gòu)之間的合作關(guān)系并不密切。未來我國需加強車輛路徑問題研究核心團(tuán)隊建設(shè)，持續(xù)提高發(fā)文質(zhì)量和發(fā)文數(shù)量。

（2）我國車輛路徑問題研究的熱點主要集中于傳統(tǒng)的路徑規(guī)劃算法、智能化路徑規(guī)劃以及多目標(biāo)路徑規(guī)劃等方面。其中，基于遺傳算法、模擬退火算法等優(yōu)化算法的路徑規(guī)劃方法受到了廣泛關(guān)注，這些方法能夠有效地提高車輛路徑配送的效率和可靠性。此外，智能化路徑規(guī)劃技術(shù)也是當(dāng)前研究的熱點之一，它可以根據(jù)實時交通信息和用戶需求，自動調(diào)整物流車輛路徑，從而實現(xiàn)更加高效的車輛配送。多目標(biāo)路徑規(guī)劃則是近年來新興的研究方向，它旨在通過考慮不同的目標(biāo)函數(shù)，設(shè)計出更加全面、可行和優(yōu)化的車輛路徑方案。

（3）在我國車輛路徑問題研究中，與實際道路情況和交通擁堵相關(guān)的問題也備受關(guān)注。研究者們通過運用交通流模型、交通預(yù)測技術(shù)等方法，探索如何考慮實際道路情況和交通擁堵對物流配送的影響，從而提高車輛配送的效率和可靠性。車輛路徑問題研究領(lǐng)域的研究主題與我國國情發(fā)展密切相關(guān)，研究方向往往受到當(dāng)時特定車輛政策的影響。同時，研究內(nèi)容也隨著時間和不同的車輛路徑問題研究而不斷發(fā)展和演變。

（4）車輛路徑問題的研究領(lǐng)域在不同的時代背景下經(jīng)歷了演化過程，研究熱點趨勢也在不斷變化。近年來，隨著新興技術(shù)的快速發(fā)展，學(xué)者們越來越關(guān)注將大數(shù)據(jù)、區(qū)塊鏈、物聯(lián)網(wǎng)、智慧物流等新興前沿技術(shù)應(yīng)用于車輛路徑問題的研究領(lǐng)域，以提高研究的深度和廣度。這也表明，未來車輛路徑問題的研究將朝著多學(xué)科交叉融合的方向發(fā)展，這將推動我國車輛路徑問題研究的進(jìn)一步發(fā)展。

未來的研究應(yīng)該繼續(xù)關(guān)注傳統(tǒng)路徑規(guī)劃算法、智能化路徑規(guī)劃以及多目標(biāo)路徑規(guī)劃等方面，并且應(yīng)該進(jìn)一步深入探討如何考慮實際道路情況和交通擁堵對車輛配送的影響。此外，隨著汽車行業(yè)的不斷發(fā)展和智能化技術(shù)的不斷應(yīng)用，需要關(guān)注如何將人工智能、大數(shù)據(jù)等技術(shù)應(yīng)用到車輛路徑研究中，從而實現(xiàn)更加高效、智能、可靠和可持續(xù)的車輛配送。我國車輛路徑問題研究具有廣闊的前景和很高的應(yīng)用價值。未來研究可以從智能化路徑規(guī)劃、多維度路徑規(guī)劃、路徑規(guī)劃與環(huán)保等方面入手，不斷提高車輛配送效率并降低成本。